Your company's data could help end world hunger | Mallory Freeman

53,487 views ・ 2016-11-29

TED


아래 영문자막을 더블클릭하시면 영상이 재생됩니다.

번역: Jihyeon J. Kim 검토: Gichung Lee
00:12
June 2010.
0
12880
1760
2010년 6월에
00:15
I landed for the first time in Rome, Italy.
1
15760
2880
처음으로 이탈리아 로마에 갔습니다.
00:19
I wasn't there to sightsee.
2
19800
1896
관광하러 간 것이 아니었습니다.
00:21
I was there to solve world hunger.
3
21720
3120
세계 기아 문제를 해결하러 갔죠.
(웃음)
00:25
(Laughter)
4
25160
2096
00:27
That's right.
5
27280
1216
맞습니다.
25세 박사과정 학생으로
00:28
I was a 25-year-old PhD student
6
28520
2096
00:30
armed with a prototype tool developed back at my university,
7
30640
3096
대학에서 개발한 시제품 도구로 무장하고
00:33
and I was going to help the World Food Programme fix hunger.
8
33760
3080
저는 세계 식량기구가 기아를 해결하도록 도울 참이었죠.
00:37
So I strode into the headquarters building
9
37840
2736
저는 본부로 당당히 들어갔고
00:40
and my eyes scanned the row of UN flags,
10
40600
2816
제 눈은 유엔 깃발들을 훑어보며
00:43
and I smiled as I thought to myself,
11
43440
1960
혼자 생각하며 웃었습니다.
00:46
"The engineer is here."
12
46840
1616
"엔지니어가 여기 왔다."
00:48
(Laughter)
13
48480
2216
(웃음)
00:50
Give me your data.
14
50720
1776
데이터를 주세요.
00:52
I'm going to optimize everything.
15
52520
2176
모든 것을 최적화 하겠습니다.
00:54
(Laughter)
16
54720
1736
(웃음)
00:56
Tell me the food that you've purchased,
17
56480
1896
구입한 식량을 말씀해 주세요.
00:58
tell me where it's going and when it needs to be there,
18
58400
2616
식량이 어디로 가고 언제 필요한지 말해 주세요.
그럼 가장 짧고, 빠르고 저렴하게
01:01
and I'm going to tell you the shortest, fastest, cheapest,
19
61040
2736
01:03
best set of routes to take for the food.
20
63800
1936
식량을 조달할 최적의 루트를 알려드리죠.
01:05
We're going to save money,
21
65760
1496
자금을 절약할 수 있어요.
01:07
we're going to avoid delays and disruptions,
22
67280
2096
지연과 혼란을 피할 것입니다.
01:09
and bottom line, we're going to save lives.
23
69400
2736
가장 중요한 것은 생명을 구할 겁니다.
뭐 이정도 가지고요.
01:12
You're welcome.
24
72160
1216
01:13
(Laughter)
25
73400
1696
(웃음)
저는 12개월 걸릴 거라 생각했어요.
01:15
I thought it was going to take 12 months,
26
75120
1976
어쩌면 13개월이요.
01:17
OK, maybe even 13.
27
77120
1560
01:19
This is not quite how it panned out.
28
79800
2280
이게 잘 되지는 않았어요.
01:23
Just a couple of months into the project, my French boss, he told me,
29
83600
3776
프로젝트를 시작한 지 두어 달 됐을 때 제 프랑스인 상사가 말하길
01:27
"You know, Mallory,
30
87400
1816
"말로리, 있잖아요.
01:29
it's a good idea,
31
89240
1656
좋은 생각이긴 한데
01:30
but the data you need for your algorithms is not there.
32
90920
3336
당신의 알고리즘에 필요한 데이터가 없어요.
01:34
It's the right idea but at the wrong time,
33
94280
2536
생각은 맞는데 때가 잘못 된 거예요.
01:36
and the right idea at the wrong time
34
96840
2296
때를 잘못 만난 제대로 된 생각은
잘못된 생각이에요."
01:39
is the wrong idea."
35
99160
1376
01:40
(Laughter)
36
100560
1320
(웃음)
01:42
Project over.
37
102960
1280
프로젝트가 종료됐죠.
저는 맥이 빠졌습니다.
01:45
I was crushed.
38
105120
1200
로마에서의 첫 여름을 지금 되돌아 보면
01:49
When I look back now
39
109000
1456
01:50
on that first summer in Rome
40
110480
1656
01:52
and I see how much has changed over the past six years,
41
112160
2656
지난 6년간 얼마나 변했는지 알 수 있어요.
01:54
it is an absolute transformation.
42
114840
2240
완전한 대변신입니다.
01:57
It's a coming of age for bringing data into the humanitarian world.
43
117640
3400
인도주의적 세계에 데이터를 쓰는 게 당연해졌습니다.
놀랍고, 고무적입니다.
02:02
It's exciting. It's inspiring.
44
122160
2656
02:04
But we're not there yet.
45
124840
1200
하지만 아직 완전한 것은 아닙니다.
02:07
And brace yourself, executives,
46
127320
2296
임원 여러분은 준비하세요
02:09
because I'm going to be putting companies
47
129640
1976
회사가 할 수 있는 역할을 하도록 제가 불편하게 만들 테니까요.
02:11
on the hot seat to step up and play the role that I know they can.
48
131640
3120
02:17
My experiences back in Rome prove
49
137520
2816
로마에서의 경험으로 볼 때
02:20
using data you can save lives.
50
140360
2080
데이터를 가지고 생명을 살릴 수 있습니다.
02:23
OK, not that first attempt,
51
143440
2456
그래요, 첫 시도만에 그렇게 된 건 아니지만
02:25
but eventually we got there.
52
145920
2576
결국은 그렇게 됐어요.
02:28
Let me paint the picture for you.
53
148520
1736
전체 상황을 말씀드리겠습니다.
02:30
Imagine that you have to plan breakfast, lunch and dinner
54
150280
2736
여러분이 삼시 세끼를 계획한다고 상상해 보세요.
50만 명 분을요.
02:33
for 500,000 people,
55
153040
1616
02:34
and you only have a certain budget to do it,
56
154680
2136
그런데 자금이 정해져 있는 겁니다.
02:36
say 6.5 million dollars per month.
57
156840
2240
가령 매달 650만 달러라고 합시다.
02:40
Well, what should you do? What's the best way to handle it?
58
160920
2762
어떻게 하시겠어요? 어떤 방법이 최선일까요?
02:44
Should you buy rice, wheat, chickpea, oil?
59
164280
2760
쌀, 밀, 콩, 기름을 사시겠어요?
02:47
How much?
60
167760
1216
얼마만큼요?
간단해 보이지만 그렇지 않습니다.
02:49
It sounds simple. It's not.
61
169000
2136
가능한 음식이 30개인데 그 중에서 5개만 뽑아야 합니다.
02:51
You have 30 possible foods, and you have to pick five of them.
62
171160
3216
02:54
That's already over 140,000 different combinations.
63
174400
3416
벌써 14만 가지 조합이 나옵니다.
02:57
Then for each food that you pick,
64
177840
1696
선별한 각 음식을
02:59
you need to decide how much you'll buy,
65
179560
1976
얼마나 구매할지
03:01
where you're going to get it from,
66
181560
1696
어디서 가져올지
03:03
where you're going to store it,
67
183280
1480
어디에 저장할지
03:05
how long it's going to take to get there.
68
185760
1976
시간이 얼마나 걸릴지 정해야 합니다.
03:07
You need to look at all of the different transportation routes as well.
69
187760
3336
모든 다양한 수송 경로도 살펴봐야 합니다.
그럼 벌써 선택이 9억 가지가 넘습니다.
03:11
And that's already over 900 million options.
70
191120
2080
각 선택을 1초라고 한다면
03:14
If you considered each option for a single second,
71
194120
2376
03:16
that would take you over 28 years to get through.
72
196520
2336
모두 살펴보는데 28년이 걸릴 겁니다.
03:18
900 million options.
73
198880
1520
9억 개의 선택을요.
그래서 저희가 의사결정자들을 위해
03:21
So we created a tool that allowed decisionmakers
74
201160
2456
03:23
to weed through all 900 million options
75
203640
2616
9억 가지 선택을 걸러서 단 며칠 만에 살펴볼 도구를 만들었습니다.
03:26
in just a matter of days.
76
206280
1360
03:28
It turned out to be incredibly successful.
77
208560
2240
대단히 성공적이었습니다.
03:31
In an operation in Iraq,
78
211400
1256
이라크 미션에서는
03:32
we saved 17 percent of the costs,
79
212680
2536
비용을 17% 절감했는데
03:35
and this meant that you had the ability to feed an additional 80,000 people.
80
215240
4136
그것은 8만 명에게 추가로 식량 공급을 할 수 있는 양이었습니다.
03:39
It's all thanks to the use of data and modeling complex systems.
81
219400
4400
이게 모두 데이터 사용과 복합 시스템 모형 덕분입니다.
03:44
But we didn't do it alone.
82
224800
1280
저희들이 다 한 게 아니었습니다.
03:46
The unit that I worked with in Rome, they were unique.
83
226840
2736
제가 로마에서 함께 일했던 팀이 훌륭했습니다.
03:49
They believed in collaboration.
84
229600
1736
그들은 협력을 믿었습니다.
03:51
They brought in the academic world.
85
231360
1696
학계를 끌어들였습니다.
기업들도 끌어들였죠.
03:53
They brought in companies.
86
233080
1280
03:55
And if we really want to make big changes in big problems like world hunger,
87
235200
3616
세계 기아와 같은 거대한 문제에 큰 변화를 일으키려면
03:58
we need everybody to the table.
88
238840
2560
모든 사람이 함께 일해야 합니다.
구호단체의 데이터 관계자가 주도하여
04:02
We need the data people from humanitarian organizations
89
242040
2936
04:05
leading the way,
90
245000
1256
04:06
and orchestrating just the right types of engagements
91
246280
2576
학계와 정부가 함께 참여할 수 있는 적당한 일을 지휘해야 합니다.
04:08
with academics, with governments.
92
248880
1696
04:10
And there's one group that's not being leveraged in the way that it should be.
93
250600
3696
해야 하는 만큼 관여하지 않는 단체 하나가 있습니다.
짐작하셨나요? 바로 기업입니다.
04:14
Did you guess it? Companies.
94
254320
2096
04:16
Companies have a major role to play in fixing the big problems in our world.
95
256440
3600
기업들은 세계의 중대한 문제를 해결할 핵심 역할을 맡고 있죠.
04:20
I've been in the private sector for two years now.
96
260880
2416
저는 지금까지 2년간 민간 부문에 있었습니다.
04:23
I've seen what companies can do, and I've seen what companies aren't doing,
97
263320
3576
기업이 할 수 있는 일을 알고 있고 기업이 하지 않는 일을 알고 있습니다.
04:26
and I think there's three main ways that we can fill that gap:
98
266920
3376
그 간극을 메울 세 가지 방법이 있습니다.
04:30
by donating data, by donating decision scientists
99
270320
3096
데이터를 기증하고 의사결정 과학자를 내어주고
04:33
and by donating technology to gather new sources of data.
100
273440
3480
데이터의 새로운 소스를 모을 기술을 기부하는 겁니다.
04:37
This is data philanthropy,
101
277920
1576
이것이 데이터 자선사업이며
04:39
and it's the future of corporate social responsibility.
102
279520
2840
기업의 사회적 책임의 미래 모습입니다.
또한 사업적 측면에서도 이치에 맞습니다.
04:43
Bonus, it also makes good business sense.
103
283160
2600
04:46
Companies today, they collect mountains of data,
104
286920
3216
오늘날의 기업은 엄청난 데이터를 수집합니다.
기업이 제일 먼저 할 수 있는 일은 그 데이터를 기증하는 겁니다.
04:50
so the first thing they can do is start donating that data.
105
290160
2762
04:52
Some companies are already doing it.
106
292946
2190
어떤 기업들은 이미 하고 있습니다.
주요 통신 기업을 예로 들겠습니다.
04:55
Take, for example, a major telecom company.
107
295160
2416
04:57
They opened up their data in Senegal and the Ivory Coast
108
297600
2776
그들은 세네갈과 아이보리 코스트에서 데이터를 개방하고
05:00
and researchers discovered
109
300400
1976
연구자들이 발견하기를
05:02
that if you look at the patterns in the pings to the cell phone towers,
110
302400
3334
휴대폰 기지의 접속 패턴을 살펴보면
05:05
you can see where people are traveling.
111
305758
1938
사람들이 어디를 여행하고 있는지 알 수 있어요
05:07
And that can tell you things like
112
307720
2176
그것으로 알 수 있는 것은
05:09
where malaria might spread, and you can make predictions with it.
113
309920
3096
가령 말라리아 전파경로를 알아서 미리 예측할 수 있습니다.
혁신적인 위성 회사를 예로 들어 볼게요.
05:13
Or take for example an innovative satellite company.
114
313040
2896
05:15
They opened up their data and donated it,
115
315960
2016
데이터를 개방해서 기증했고
그 데이터로
05:18
and with that data you could track
116
318000
1656
05:19
how droughts are impacting food production.
117
319680
2040
가뭄이 식량 생산에 어떻게 영향을 주는지 추적할 수 있습니다.
05:22
With that you can actually trigger aid funding before a crisis can happen.
118
322920
3680
그것으로 위기 발생 전에 구호자금을 모을 수 있습니다.
05:27
This is a great start.
119
327560
1280
굉장한 출발이죠.
05:29
There's important insights just locked away in company data.
120
329840
2880
기업 데이터에 묶인 중요한 내용들이 있습니다.
05:34
And yes, you need to be very careful.
121
334480
1816
네, 아주 신중해야 합니다.
05:36
You need to respect privacy concerns, for example by anonymizing the data.
122
336320
3576
가령 데이터를 익명으로 해서 개인정보를 존중해야 합니다.
05:39
But even if the floodgates opened up,
123
339920
2776
정보의 문이 열린다고 해도
05:42
and even if all companies donated their data
124
342720
2536
모든 기업이 데이터를
05:45
to academics, to NGOs, to humanitarian organizations,
125
345280
3256
학계, NGO, 인권 단체에 기증한다고 해도
05:48
it wouldn't be enough to harness that full impact of data
126
348560
2976
인도적 목표를 위해 데이터 최대 효과를 이용하기엔 충분치 않습니다.
05:51
for humanitarian goals.
127
351560
1520
05:54
Why?
128
354320
1456
왜 그럴까요?
05:55
To unlock insights in data, you need decision scientists.
129
355800
3240
데이터 속의 의미를 풀려면 의사결정 과학자가 있어야 합니다.
05:59
Decision scientists are people like me.
130
359760
2576
의사결정 과학자는 저 같은 사람이죠.
06:02
They take the data, they clean it up,
131
362360
1816
데이터를 가지고 마무리 하고
06:04
transform it and put it into a useful algorithm
132
364200
2256
전환해서 유용한 알고리즘으로 만들어
06:06
that's the best choice to address the business need at hand.
133
366480
2840
사업 필요를 바로 채우는 데 최선의 선택이 되게 합니다.
06:09
In the world of humanitarian aid, there are very few decision scientists.
134
369800
3696
인도적인 구호의 세계에선 의사결정 과학자가 거의 없습니다.
06:13
Most of them work for companies.
135
373520
1640
대부분은 기업에서 일합니다.
06:16
So that's the second thing that companies need to do.
136
376480
2496
그래서 그것이 기업이 해야 할 두 번째 일입니다.
데이터를 기증할 뿐만 아니라
06:19
In addition to donating their data,
137
379000
1696
06:20
they need to donate their decision scientists.
138
380720
2160
의사결정 과학자도 제공해야 합니다.
06:23
Now, companies will say, "Ah! Don't take our decision scientists from us.
139
383520
5736
아마 기업은 이렇게 말하겠죠. "의사결정 과학자를 데려가지 마세요!
06:29
We need every spare second of their time."
140
389280
2040
우린 매 순간 그들이 필요합니다."
06:32
But there's a way.
141
392360
1200
하지만 방법이 있습니다.
06:35
If a company was going to donate a block of a decision scientist's time,
142
395200
3416
기업이 의사결정 과학자의 시간 단위를 기증하면
06:38
it would actually make more sense to spread out that block of time
143
398640
3136
그 시간 단위를 펼쳐서 장기적으로 쓰는 게 실제로 더 합리적입니다.
06:41
over a long period, say for example five years.
144
401800
2200
가령 5년 정도에 걸쳐서요.
06:44
This might only amount to a couple of hours per month,
145
404600
3056
기업 입장에서는 거의 피해가 없는 한 달에 두어 시간 정도이지만
06:47
which a company would hardly miss,
146
407680
2056
06:49
but what it enables is really important: long-term partnerships.
147
409760
3480
굉장히 중요한 일을 할 수 있습니다. 장기적인 협력관계죠.
06:54
Long-term partnerships allow you to build relationships,
148
414920
2816
장기적 협력관계는 관계를 형성시켜 주고
06:57
to get to know the data, to really understand it
149
417760
2656
데이터를 알게 해주며 실제로 이해하게 해 줍니다.
07:00
and to start to understand the needs and challenges
150
420440
2416
그리고 인도적 단체가 당면한 필요와 문제를 이해하게 해 줍니다.
07:02
that the humanitarian organization is facing.
151
422880
2160
07:06
In Rome, at the World Food Programme, this took us five years to do,
152
426345
3191
로마의 세계 식량 기구에서는 이 일이 5년 걸렸습니다.
07:09
five years.
153
429560
1456
5년이요.
처음 3년은 문제를 해결할 수 없었습니다.
07:11
That first three years, OK, that was just what we couldn't solve for.
154
431040
3336
07:14
Then there was two years after that of refining and implementing the tool,
155
434400
3496
다음 2년 동안 방법을 다듬고 실행했습니다.
07:17
like in the operations in Iraq and other countries.
156
437920
2800
이라크와 다른 나라에서의 미션에서와 같이요.
07:21
I don't think that's an unrealistic timeline
157
441520
2096
저는 비현실적인 시간계산이 아니라고 봅니다.
07:23
when it comes to using data to make operational changes.
158
443640
2736
실행적인 변화를 위해 데이터를 사용하는 데요.
07:26
It's an investment. It requires patience.
159
446400
2400
그건 투자이고, 인내심이 필요합니다.
07:29
But the types of results that can be produced are undeniable.
160
449760
3496
만들어지는 결과의 형태는 부정할 수 없습니다.
07:33
In our case, it was the ability to feed tens of thousands more people.
161
453280
3560
저희 경우는, 수 만명에게 식량 공급을 더 할 수 있었습니다.
07:39
So we have donating data, we have donating decision scientists,
162
459440
4336
저희는 데이터와 의사결정 과학자를 기증해 왔고
07:43
and there's actually a third way that companies can help:
163
463800
2696
이제 기업이 도울 수 있는 세 번째 방법이 있습니다.
07:46
donating technology to capture new sources of data.
164
466520
2976
새로운 데이터 소스를 모을 기술을 기증하는 겁니다.
07:49
You see, there's a lot of things we just don't have data on.
165
469520
2840
데이터가 없는 많은 것들이 있습니다.
07:52
Right now, Syrian refugees are flooding into Greece,
166
472960
2720
당장 시리아 난민들이 그리스로 몰려들고 있는데
유엔 난민기구는 일손이 부족합니다.
07:57
and the UN refugee agency, they have their hands full.
167
477120
2560
사람들은 추적하는 현재 시스템은 종이와 연필입니다.
08:01
The current system for tracking people is paper and pencil,
168
481000
3056
그게 무슨 뜻이냐면
08:04
and what that means is
169
484080
1256
엄마와 자녀 다섯 명이 난민 캠프에 와도
08:05
that when a mother and her five children walk into the camp,
170
485360
2856
본부에서는 이 상황에 대해 전혀 모릅니다.
08:08
headquarters is essentially blind to this moment.
171
488240
2656
08:10
That's all going to change in the next few weeks,
172
490920
2336
그런 상황이 몇 주 뒤면 바뀔 겁니다.
08:13
thanks to private sector collaboration.
173
493280
1880
민간 부문에서 협력한 덕분입니다.
08:15
There's going to be a new system based on donated package tracking technology
174
495840
3656
기증받은 추적 기술에 근거해서 새로운 시스템이 생길 겁니다.
08:19
from the logistics company that I work for.
175
499520
2040
제가 일하는 물류 회사에서 받았습니다.
새 시스템으로 데이터 흐름이 생겨서
08:22
With this new system, there will be a data trail,
176
502120
2336
08:24
so you know exactly the moment
177
504480
1456
바로 알게 됩니다.
08:25
when that mother and her children walk into the camp.
178
505960
2496
엄마와 자녀들이 캠프에 들어오는 순간요.
게다가 그녀가 이달과 다음달에 구호물자를 받을 것인지도 알게 됩니다.
08:28
And even more, you know if she's going to have supplies
179
508480
2616
08:31
this month and the next.
180
511120
1256
08:32
Information visibility drives efficiency.
181
512400
3016
정보 가시성은 효율성을 올립니다.
08:35
For companies, using technology to gather important data,
182
515440
3256
기업 입장에서는 중요 데이터 수집을 위해 기술을 쓰는 건
08:38
it's like bread and butter.
183
518720
1456
뗄 수 없는 일입니다.
08:40
They've been doing it for years,
184
520200
1576
수 년간 기업들을 이런 일을 해왔고
08:41
and it's led to major operational efficiency improvements.
185
521800
3256
주요 실행 효율성 향상을 가져왔습니다.
여러분이 제일 좋아하는 음료 회사가
08:45
Just try to imagine your favorite beverage company
186
525080
2360
08:48
trying to plan their inventory
187
528280
1576
재고 계획을 세우면서도
08:49
and not knowing how many bottles were on the shelves.
188
529880
2496
음료수 몇 병이 쌓여있는지 모른다고 생각해 보세요.
08:52
It's absurd.
189
532400
1216
말도 안 되죠.
08:53
Data drives better decisions.
190
533640
1560
데이터는 더 나은 결정을 하게 합니다.
08:57
Now, if you're representing a company,
191
537800
2536
만약 여러분이 회사를 대표한다면
09:00
and you're pragmatic and not just idealistic,
192
540360
3136
실용적이며 마냥 이상적이진 않다면
09:03
you might be saying to yourself, "OK, this is all great, Mallory,
193
543520
3056
이런 생각을 하시겠죠, "그래요, 다 좋아요, 말로리
09:06
but why should I want to be involved?"
194
546600
1840
하지만 제가 왜 관여해야 하지요?"
한 가지는 훌륭한 홍보를 넘어서
09:09
Well for one thing, beyond the good PR,
195
549000
2816
09:11
humanitarian aid is a 24-billion-dollar sector,
196
551840
2776
인도주의적 구호는 240억 달러 규모이고
09:14
and there's over five billion people, maybe your next customers,
197
554640
3056
50억 명 이상이 여러분의 다음 고객일 수 있습니다.
09:17
that live in the developing world.
198
557720
1816
개발도상국에 살고 있죠.
09:19
Further, companies that are engaging in data philanthropy,
199
559560
3096
나아가서 데이터 자선사업에 참여하는 회사들은
09:22
they're finding new insights locked away in their data.
200
562680
2976
데이터에서 벗어나 새로운 깨달음을 얻습니다.
09:25
Take, for example, a credit card company
201
565680
2256
중심에 개장한 신용카드 회사를 예로 들면
09:27
that's opened up a center
202
567960
1336
09:29
that functions as a hub for academics, for NGOs and governments,
203
569320
3376
NGO나 정부, 학계의 중추역할을 하는 거죠.
09:32
all working together.
204
572720
1240
모두 협력하는 겁니다.
그들은 신용카드 구매 정보를 보고
09:35
They're looking at information in credit card swipes
205
575040
2736
09:37
and using that to find insights about how households in India
206
577800
2976
인도 가정의 생활, 일, 수입과 지출 형태의 의미를 찾으려고 합니다.
09:40
live, work, earn and spend.
207
580800
1720
09:43
For the humanitarian world, this provides information
208
583680
2576
인도적 세계에서는 이것이
09:46
about how you might bring people out of poverty.
209
586280
2656
빈곤탈출 방법에 대한 정보를 줍니다.
09:48
But for companies, it's providing insights about your customers
210
588960
3016
하지만 기업에게는 고객들과
인도의 잠재적 고객들의 정보를 주죠.
09:52
and potential customers in India.
211
592000
2040
09:54
It's a win all around.
212
594760
1800
모두에게 득이 되는 겁니다.
09:57
Now, for me, what I find exciting about data philanthropy --
213
597960
3776
제가 발견한 데이터 자선사업이 흥분되는 점은
10:01
donating data, donating decision scientists and donating technology --
214
601760
4336
데이터, 의사결정 과학자와 기술을 기증하는 겁니다.
저같은 기업에서 일하려는 젊은 전문가들에게는 그런 의미입니다.
10:06
it's what it means for young professionals like me
215
606120
2376
10:08
who are choosing to work at companies.
216
608520
1840
10:10
Studies show that the next generation of the workforce
217
610800
2656
연구에서는 노동력의 다음 세대는
10:13
care about having their work make a bigger impact.
218
613480
2560
일로 더 큰 영향력을 끼치는 데 신경쓴다고 합니다.
10:16
We want to make a difference,
219
616920
2456
우리는 변화를 만들고 싶고
10:19
and so through data philanthropy,
220
619400
2416
데이터 자선사업을 통해서도 그렇습니다.
10:21
companies can actually help engage and retain their decision scientists.
221
621840
3936
기업들은 실제로 참여하면서도 의사결정 과학자들을 유지할 수 있습니다.
10:25
And that's a big deal for a profession that's in high demand.
222
625800
2880
고수요 직종에게는 중요한 일이죠.
10:29
Data philanthropy makes good business sense,
223
629840
3120
데이터 자선사업은 사업적으로 합리적입니다.
10:34
and it also can help revolutionize the humanitarian world.
224
634200
3280
인도적 세계를 대변혁하도록 도울 수 있고요.
10:39
If we coordinated the planning and logistics
225
639600
2096
우리가 계획과 운송을
10:41
across all of the major facets of a humanitarian operation,
226
641720
3376
구호 작전의 주요 방면을 통틀어 조정한다면
수 십만 명을 더 먹이고, 입히고 보호할 수 있습니다.
10:45
we could feed, clothe and shelter hundreds of thousands more people,
227
645120
3600
10:49
and companies need to step up and play the role that I know they can
228
649440
4256
기업이 나서서 이런 혁명을 불러올 기구를 구성하고 역할을 해야합니다.
10:53
in bringing about this revolution.
229
653720
1880
10:56
You've probably heard of the saying "food for thought."
230
656720
2936
여러분은 "생각할 거리"란 말을 들어보셨을 겁니다.
10:59
Well, this is literally thought for food.
231
659680
2240
이건 말 그대로 음식을 위한 생각입니다.
11:03
It finally is the right idea at the right time.
232
663560
4136
이것은 마침내 제 때의 제대로 된 아이디어입니다.
11:07
(Laughter)
233
667720
1216
(웃음)
11:08
Très magnifique.
234
668960
1576
아주 멋집니다.(프랑스어)
11:10
Thank you.
235
670560
1216
감사합니다.
11:11
(Applause)
236
671800
2851
(박수)
이 웹사이트 정보

이 사이트는 영어 학습에 유용한 YouTube 동영상을 소개합니다. 전 세계 최고의 선생님들이 가르치는 영어 수업을 보게 될 것입니다. 각 동영상 페이지에 표시되는 영어 자막을 더블 클릭하면 그곳에서 동영상이 재생됩니다. 비디오 재생에 맞춰 자막이 스크롤됩니다. 의견이나 요청이 있는 경우 이 문의 양식을 사용하여 문의하십시오.

https://forms.gle/WvT1wiN1qDtmnspy7